論文の概要: A flexible PageRank-based graph embedding framework closely related to
spectral eigenvector embeddings
- arxiv url: http://arxiv.org/abs/2207.11321v1
- Date: Fri, 22 Jul 2022 20:22:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:47:13.447052
- Title: A flexible PageRank-based graph embedding framework closely related to
spectral eigenvector embeddings
- Title（参考訳）: スペクトル固有ベクトル埋め込みと密接に関連した柔軟なページランクベースのグラフ埋め込みフレームワーク
- Authors: Disha Shur, Yufan Huang, David F. Gleich
- Abstract要約: ランダムなノード集合上にシードされたパーソナライズされたPageRankベクトルの行列に基づいて,簡単な埋め込み手法を提案する。
この行列の要素対数によって生成される埋め込みは、グラフのクラスに対するスペクトル埋め込みと関連していることを示す。
- 参考スコア（独自算出の注目度）: 8.680081568963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study a simple embedding technique based on a matrix of personalized
PageRank vectors seeded on a random set of nodes. We show that the embedding
produced by the element-wise logarithm of this matrix (1) are related to the
spectral embedding for a class of graphs where spectral embeddings are
significant, and hence useful representation of the data, (2) can be done for
the entire network or a smaller part of it, which enables precise local
representation, and (3) uses a relatively small number of PageRank vectors
compared to the size of the networks. Most importantly, the general nature of
this embedding strategy opens up many emerging applications, where eigenvector
and spectral techniques may not be well established, to the PageRank-based
relatives. For instance, similar techniques can be used on PageRank vectors
from hypergraphs to get "spectral-like" embeddings.
- Abstract（参考訳）: ランダムなノード集合上にシードされたパーソナライズされたPageRankベクトルの行列に基づいて,簡単な埋め込み手法を提案する。
この行列(1)の要素別対数によって生成される埋め込みは、スペクトル埋め込みが重要となるグラフのクラスに対するスペクトル埋め込みと関連しており、したがってデータの有用な表現であり、(2)ネットワーク全体またはその小さな部分に対して可能であり、正確な局所表現が可能であり、(3)ネットワークのサイズに比べて比較的少ないページランクベクトルを使用する。
最も重要なことは、この埋め込み戦略の一般的な性質は、固有ベクトルとスペクトル技術が十分に確立されていない多くの新興アプリケーションを開くことである。
例えば、同様のテクニックはハイパーグラフからページランクベクトルを使って"スペクトルライクな"埋め込みを得ることができる。
関連論文リスト
- An Ad-hoc graph node vector embedding algorithm for general knowledge graphs using Kinetica-Graph [0.0]
本稿では,知識グラフ表現から一般的なグラフノードの埋め込みを生成する方法について論じる。
埋め込み空間は、局所親和性とリモート構造関連性の両方を模倣するいくつかのサブ機能から構成される。
論文 参考訳（メタデータ） (2024-07-22T14:43:10Z) - Label Learning Method Based on Tensor Projection [82.51786483693206]
テンソルプロジェクション(LLMTP)に基づくラベル学習手法を提案する。
行列射影変換をテンソル射影に拡張し、ビュー間の空間構造情報を活用できるようにする。
さらに、テンソルのSchatten $p$-norm正規化を導入し、異なるビューのクラスタリングラベル行列を可能な限り一貫性を持たせる。
論文 参考訳（メタデータ） (2024-02-26T13:03:26Z) - Hub-aware Random Walk Graph Embedding Methods for Classification [44.99833362998488]
ノード分類問題に特化して設計されたランダムウォークに基づく2つの新しいグラフ埋め込みアルゴリズムを提案する。
提案手法は,実世界のネットワークの埋め込みを訓練した3つの分類アルゴリズムの分類性能を解析して実験的に評価する。
論文 参考訳（メタデータ） (2022-09-15T20:41:18Z) - Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。
GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
論文 参考訳（メタデータ） (2022-05-07T04:11:23Z) - Sign and Basis Invariant Networks for Spectral Graph Representation
Learning [75.18802152811539]
SignNetとBasisNetは、すべての必須対称性に不変な新しいニューラルアーキテクチャであり、したがって、原則化された方法で固有空間のコレクションを処理する。
我々のネットワークは理論的にはグラフ表現学習に強い -- 任意のスペクトルグラフ畳み込みを近似することができる。
実験により、スペクトルグラフフィルタの学習とグラフ位置エンコーディングの学習のためのネットワークの強みが示された。
論文 参考訳（メタデータ） (2022-02-25T23:11:59Z) - Spectral embedding and the latent geometry of multipartite networks [67.56499794542228]
多くのネットワークはマルチパーティションであり、ノードはパーティションに分割され、同じパーティションのノードは接続されない。
本稿では,高次元空間の分割特異的な低次元部分空間近傍のスペクトル埋め込みにより得られるノード表現について述べる。
スペクトル埋め込み後の追従ステップとして,周辺次元ではなく固有次元のノード表現を復元する手法を提案する。
論文 参考訳（メタデータ） (2022-02-08T15:52:03Z) - Directed Graph Embeddings in Pseudo-Riemannian Manifolds [0.0]
一般的な有向グラフは、3つの成分を結合した埋め込みモデルで効果的に表現できることを示す。
本稿では,リンク予測のタスクに適用することで,この手法の表現能力を実証する。
論文 参考訳（メタデータ） (2021-06-16T10:31:37Z) - Understanding graph embedding methods and their applications [1.14219428942199]
グラフ埋め込み技術は、高次元スパースグラフを低次元密度連続ベクトル空間に変換するのに有効である。
生成した非線形かつ高情報性の高いグラフ埋め込みは、異なる下流グラフ解析タスクに便利に利用することができる。
論文 参考訳（メタデータ） (2020-12-15T00:30:22Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - Localized Spectral Graph Filter Frames: A Unifying Framework, Survey of
Design Considerations, and Numerical Comparison (Extended Cut) [1.52292571922932]
グラフ上に存在するデータを、ビルディングブロック信号の線形結合として表現することで、データの効率的で洞察に富んだ視覚的あるいは統計的分析を可能にする。
我々は、局所スペクトルグラフフィルタフレームと呼ばれる特定の種類の辞書を調査した。
我々は,大きな疎グラフ上のデータに対して,結果の変換とその逆を確実に適用できる計算効率のよい手法を強調した。
論文 参考訳（メタデータ） (2020-06-19T16:49:33Z) - Graph Neural Networks with Composite Kernels [60.81504431653264]
カーネル重み付けの観点からノード集約を再解釈する。
本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。
特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
論文 参考訳（メタデータ） (2020-05-16T04:44:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。